| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·论文的研究背景 | 第12-14页 |
| ·论文的研究目标 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 半监督学习的理论研究 | 第17-22页 |
| ·半监督学习的基本原理 | 第17-18页 |
| ·目前的应用领域 | 第18-21页 |
| ·常用的半监督学习算法 | 第18页 |
| ·混合生成模型的最大期望算法 | 第18-19页 |
| ·自训练算法 | 第19页 |
| ·协同训练算法 | 第19-20页 |
| ·直推式支持向量机 | 第20-21页 |
| ·基于图的半监督学习 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 稀疏半监督学习 | 第22-33页 |
| ·稀疏半监督学习 | 第22-23页 |
| ·最大间隔聚类思想 | 第23-24页 |
| ·高斯过程学习 | 第24-28页 |
| ·高斯过程 | 第24-25页 |
| ·高斯过程的实现 | 第25-28页 |
| ·Assumed Density Filtering近似技术 | 第28-30页 |
| ·Informative Vector Machine(信息向量机) | 第30-32页 |
| ·信息向量机 | 第30-31页 |
| ·IVM的实现 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于稀疏高斯过程的半监督分类的序贯训练方法 | 第33-44页 |
| ·基于高斯过程的稀疏半监督学习 | 第33-35页 |
| ·NCNM(Null Category Noise Model:0类噪声模型)算法 | 第35-37页 |
| ·有序分类模型 | 第35-36页 |
| ·0类噪声模型 | 第36-37页 |
| ·SSuGPs(基于稀疏高斯过程的半监督分类)算法 | 第37-40页 |
| ·基于最大间隔思想的迭代聚类算法 | 第38-39页 |
| ·SSuGPs算法的实现 | 第39-40页 |
| ·基于SSuGPs的半监督分类的序贯训练方法 | 第40-43页 |
| ·Se_SSuGPs算法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 算法实验 | 第44-48页 |
| ·实验数据集介绍 | 第44页 |
| ·实验结果 | 第44-46页 |
| ·实验结果讨论 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 攻读硕士学位期间发表的学术论文 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-56页 |
| 附录 | 第56-62页 |
| 1. 稀疏核回归模型在交通流预测的应用 | 第56-62页 |
| 2. 与本文的关系 | 第62页 |
